Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Introduktion till LLM-agentsystem
- Koncept för LLM-agenter och flera agentarkitekturer
- Översikt över AutoGen-ramverk och ekosystem
- Agentroller: användarproxy, assistent, funktionsanropare och mer
Installation och konfiguration av AutoGen
- Att sätta upp Python-miljön och beroenden
- Grunderna i AutoGen-konfigurationsfiler
- Anslutning till LLM-leverantörer (OpenAI, Azure, lokala modeller)
Agentdesign och rolltilldelning
- Förståelse för agenttyper och samtalsscheman
- Definiera agenternas mål, anvisningar och instruktioner
- Rollbaserad uppgiftsdelegation och kontrollflöde
Funktionsanrop och verktygsintegration
- Registrera funktioner för agentanvändning
- Autonoma och samarbetsorienterade funktionskörningar
- Anslutning till externa APIs och Python-skript med agenter
Samtalshantering och minne
- Sessionspåföljd och persistent minne
- Meldingar mellan agenter och tokenhantering
- Hantera samtalskontext och historik
End-to-end agentarbetsflöden
- Bygga flerstegsamarbetsuppgifter (t.ex., dokumentanalys, kodgranskning)
- Simulera användar-agentdialoger och beslutskedjor
- Felsökning och förfining av agentprestanda
Användningsfall och distribution
- Inre automatiseringagenter: forskning, rapportering, skriptskrivning
- Externorienterade botten: chattassistent, röstintegrationer
- Packa och distribuera agent-system i produktionsmiljö
Sammanfattning och nästa steg
Krav
- Ett förståelse för Python-programmering
- Kännedom om stora språkmodeller och prompt-engineering
- Erfarenhet av APIs och automatiseringsarbetsflöden
Målgrupp
- AI-ingenjörer
- ML-utvecklare
- Automatiseringsarkitekter
21 timmar
Vittnesmål (1)
Tränare som svarar på frågor på plats.
Adrian
Kurs - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Maskintolkat